基于关节模型的人体动作识别方法研究

摘要

人体动作识别在智能监控、操作培训以及人机交互等领域有重要研究意义和应用价值。动态时间规整算法的计算复杂度较低，且时间鲁棒性较强，在人体动作识别领域得到广泛研究与应用。但由于人体动作的复杂性、光照以及噪声等影响，往往不能获取理想的人体动作数据，使得准确提取人体动作特征难度较大，进而导致动作识别准确率不高。因此，需要对传统的序列图像动作特征提取方法进行改进，研究准确度高、稳定性好且抗干扰性强的人体动作特征提取算法。
　　本文结合人体骨架的特点，在传统的长度约束骨架毛刺剪除中，引入斜率约束作为毛刺判定的第二条件，解决了原有方法在毛刺较长时，对毛刺和骨架主体进行误判的问题，能够准确区分毛刺和骨架主体。对基于链码遍历的躯干端点的定位方法进行改进，扩展其遍历结构的搜索范围，克服了原有遍历结构在人体上肢运动幅度较大时，无法完成骨架遍历的问题。结合人体各部位长度比例关系，对四肢拐点进行定位，解决了传统最大三角形面积法在四肢曲率较小时，定位误差大的问题。所提出的方法能准确提取序列图像中的动作特征。针对运动过程中关节点坐标不能准确表征动作特征的问题，采用加权归一化向量的形式表达动作特征。
　　本文在VS2013和openCV环境下，对Weizmann数据库进行实验，实现了序列图像中人体骨架特征提取和关节点定位;基于动态时间规整算法，计算序列图像间加权归一化特征的距离，实现人体动作识别。并和基于光流法等方法提取的动作特征进行对比实验。结果表明，本文方法能够准确提取人体动作特征，并对人体动作进行准确识别，识别结果优于其他方法。

目录

声明

摘要

第一章 绪论

1．1 人体动作识别应用背景

1．2 动作特征提取研究现状

1．3 人体动作识别研究现状

1．3．1 基于模板的动作识别方法

1．3．2 基于概率统计的动作识别方法

1．3．3 基于语法的动作识剐方法

1．3．4 动作识别方法比较

1．4 动作识别图像数据库

1．5 课题意义及研究内容

1．5．1 课题研究意义

1．5．2 课题主要研究内容

第二章 基于斜率约束的人体骨架特征提取

2．1 引言

2．2 运动目标检测

2．2．1 基于平均背景模型的背景差分法

2．2．2 基于OTSU算法的图像分割及孔洞填充

2．3 人体骨架的细化

2．3．1 Hilditch细化算法

2．3．2 索引表细化算法

2．3．3 Zhang并行细化算法

2．3．4 基于数学形态学的细化算法

2．4 基于长度约束的毛刺剪除方法

2．4．1 人体骨架毛刺分析

2．4．2 长度约束的毛刺剪除

2．4．3 长度约束毛刺剪除结果

2．5 斜率约束的人体骨架毛刺剪除

2．5．1 长度和斜率约束的毛刺剪除

2．5．2 人体骨架毛刺剪除结果

2．6 人体骨架特征提取结果

2．7 小结

第三章 序列图像中的人体关节点定位

3．1 引言

3．2 关节定位方法总体设计

3．3 基于八邻域的骨架端点定位

3．4 改进的链码遍历躯干端点定位

3．4．1 遍历法定位躯干端点

3．4．2 基于改进模板的遍历

3．5 基于关节比例的四肢拐点定位

3．5．1 最大三角形面积法

3．5．2 关节比例定位四肢拐点

3．6 基于光流跟踪的人体关节点定位

3．6．1 LK光流跟踪算法

3．6．2 LK光流法定位关节点

3．7 关节定位结果

3．8 小结

第四章 基于动态时间规整算法的人体动作识别

4．1 引言

4．2 DTW算法原理

4．2．1 DTW算法基本思想

4．2．2 DTW算法的优化

4．3 基于DTW算法的人体动作识别

4．3．1 基于加权归一化的动作特征表达

4．3．2 基于DTW距离的动作识别

4．4 小结

第五章 人体动作识别实验结果

5．1 人体动作识别程序设计

5．2 人体关节特征提取结果

5．3 动作特征表达结果

5．4 人体动作识别结果

5．4 小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

研究成果及发表的学术论文

作者简介